pyecharts調(diào)整圖例與各板塊的位置間距實(shí)例
引入Grid
grid=Grid() # 可以分別調(diào)整上下左右的位置,可以是百分比,也可以是具體像素,如pos_top="50px" grid.add(c,grid_opts=opts.GridOpts(pos_top="50%",pos_bottom="50%",pos_left="50%",pos_right="50%"))
調(diào)整前的默認(rèn)距離

代碼如下
from example.commons import Faker
from pyecharts import options as opts
from pyecharts.charts import Bar,Grid
def bar_base() -> Bar:
c = (
Bar()
.add_xaxis(Faker.choose())
.add_yaxis("商家A", Faker.values())
.add_yaxis("商家B", Faker.values())
.set_global_opts(title_opts=opts.TitleOpts(title="Bar-基本示例", subtitle="我是副標(biāo)題"))
)
return c
if __name__ == '__main__':
bar_base().render()
通過引入Grid調(diào)整后

代碼如下

from example.commons import Faker
from pyecharts import options as opts
from pyecharts.charts import Bar,Grid
def grid_base() -> Grid:
c = (
Bar()
.add_xaxis(Faker.choose())
.add_yaxis("商家A", Faker.values())
.add_yaxis("商家B", Faker.values())
.set_global_opts(title_opts=opts.TitleOpts(title="Bar-基本示例", subtitle="我是副標(biāo)題"))
)
grid=Grid()
# 僅使用pos_top修改相對(duì)頂部的位置
grid.add(c,grid_opts=opts.GridOpts(pos_top="50%"))
return grid
if __name__ == '__main__':
grid_base().render()
補(bǔ)充知識(shí):python pyecharts Line,折線圖 Grid 圖例擺放
我就廢話不多說了,大家還是直接看代碼吧
from pyecharts import Pie,Bar,Gauge,EffectScatter,WordCloud,Map,Line,Grid
import random
attr = ["襯衫", "羊毛衫", "雪紡衫", "褲子", "高跟鞋", "襪子"]
v1 = [5, 20, 36, 10, 75, 90]
v2 = [10, 25, 8, 60, 20, 80]
bar = Bar("柱狀圖示例", height=720)
bar.add("商家A", attr, v1, is_stack=True)
bar.add("商家B", attr, v2, is_stack=True)
line = Line("折線圖示例", title_top="50%")
attr = ["周一", "周二", "周三", "周四", "周五", "周六", "周日"]
line.add(
"最高氣溫",
attr,
[11, 11, 15, 13, 12, 13, 10],
mark_point=["max", "min"],
mark_line=["average"],
)
line.add(
"最低氣溫",
attr,
[1, -2, 2, 5, 3, 2, 0],
mark_point=["max", "min"],
mark_line=["average"],
legend_top="50%",
)
grid = Grid()
grid.add(bar, grid_bottom="60%")
#此函數(shù)用來擺放圖的位置
grid.add(line, grid_top="60%")
grid.render('grid.html')
以上這篇pyecharts調(diào)整圖例與各板塊的位置間距實(shí)例就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。
相關(guān)文章
循環(huán)神經(jīng)網(wǎng)絡(luò)TextRNN實(shí)現(xiàn)情感短文本分類任務(wù)
這篇文章主要為大家介紹了循環(huán)神經(jīng)網(wǎng)絡(luò)TextRNN實(shí)現(xiàn)情感短文本分類任務(wù)詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2023-04-04
兩個(gè)元祖T1=(''a'', ''b''),T2=(''c'', ''d'')使用匿名函數(shù)將其轉(zhuǎn)變成[{''a'': '
今天小編就為大家分享一篇關(guān)于兩個(gè)元祖T1=('a', 'b'),T2=('c', 'd')使用匿名函數(shù)將其轉(zhuǎn)變成[{'a': 'c'},{'b': 'd'}]的幾種方法,小編覺得內(nèi)容挺不錯(cuò)的,現(xiàn)在分享給大家,具有很好的參考價(jià)值,需要的朋友一起跟隨小編來看看吧2019-03-03
Python實(shí)現(xiàn)計(jì)算文件MD5和SHA1的方法示例
這篇文章主要介紹了Python實(shí)現(xiàn)計(jì)算文件MD5和SHA1的方法,結(jié)合具體實(shí)例形式分析了Python針對(duì)文件MD5及SHA1的計(jì)算方法,需要的朋友可以參考下2019-06-06
pandas實(shí)現(xiàn)將dataframe滿足某一條件的值選出
今天小編就為大家分享一篇pandas實(shí)現(xiàn)將dataframe滿足某一條件的值選出,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-06-06
Pandas處理DataFrame稀疏數(shù)據(jù)及維度不匹配數(shù)據(jù)分析詳解
這篇文章主要為大家介紹了Pandas處理DataFrame稀疏數(shù)據(jù)及維度不匹配數(shù)據(jù)分析詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2023-02-02
Python打印scrapy蜘蛛抓取樹結(jié)構(gòu)的方法
這篇文章主要介紹了Python打印scrapy蜘蛛抓取樹結(jié)構(gòu)的方法,實(shí)例分析了打印scrapy蜘蛛抓取樹結(jié)構(gòu)的技巧,非常具有實(shí)用價(jià)值,需要的朋友可以參考下2015-04-04

